Zastanawiając się nad tym w jaki sposób my, technolodzy, możemy wspomóc pracowników odpowiedzialnych za eksploatację napowietrznych linii przemysłowych, myślimy przede wszystkim o bezpieczeństwie. Pracownicy ci wykonują kluczowe, niebezpieczne zadania. Są odpowiedzialni za konserwację skomplikowanych, zawieszonych na dużej wysokości urządzeń, które często znajdują się pod napięciem setek tysięcy woltów. Każdy postępujący w sposób etyczny pracodawca wyznaje jedną podstawową zasadę: im mniej czasu pracownicy spędzają w potencjalnie niebezpiecznym środowisku, tym lepiej.
Na szczęście technologia pozwala nam osiągnąć ten cel na wiele różnych sposobów. Najnowsze rozwiązania pozwalają technikom wykonywać ich zadania w bardziej wydajny sposób, ograniczając jednocześnie czas, przez jaki są oni narażeni na różnego rodzaju zagrożenia. Sztuczna inteligencja może pomagać firmom w monitorowaniu infrastruktury i utrzymywaniu jej w odpowiednim stanie technicznym, przewidując jednocześnie te obszary, w których istnieje największe prawdopodobieństwo awarii. Dzięki temu pracownicy mogą spędzać mniej czasu wykonując rutynowe przeglądy i skupić się raczej na krytycznych naprawach, które mogą być realizowane szybciej. Takie podejście nie tylko ogranicza koszty utrzymania dużych obiektów, takich jak słupy przesyłowe, ale zmniejsza także ilość czasu, jaką pracownicy spędzają wykonując swoje czynności w bezpośrednim sąsiedztwie niebezpiecznych urządzeń.
Kontrola wzrokowa z wykorzystaniem rozszerzonej rzeczywistości
Jednym z najbardziej oczywistych sposobów, w jaki technologia może przyczynić się do poprawy poziomu bezpieczeństwa jest wyeliminowanie konieczności wysyłania ludzi na słupy przesyłowe w sytuacjach, gdy rozwiązanie danego problemu nie wymaga ich fizycznej obecności. Metody przeprowadzania kontroli wzrokowej wykorzystujące sztuczną inteligencję zostały znacząco udoskonalone na przestrzeni kilku ostatnich lat. Firmy są teraz w stanie dokładniej, szybciej i łatwiej opracowywać własne modele AI. Oparte na nich procesy kontroli wzrokowej pozyskują dane z kamer skierowanych na poszczególne urządzenia bądź z dronów, pomagając wykryć potencjalne problemy i ograniczając tym samym konieczność wysłania pracowników w teren w celu przeprowadzenia rutynowej kontroli.
Jeżeli praca bezpośrednio przy urządzeniach staje się konieczna, na przykład w celu przeprowadzenia naprawy, sztuczna inteligencja może pomóc pracownikom w szybszym wykonaniu ich zadań, skracając czas spędzony w niebezpiecznym obszarze. Technicy mogą zrobić zdjęcie danego miejsca smartfonem, a następnie przesłać je do analizy przeprowadzanej przez model sztucznej inteligencji, który jest w stanie wykryć na przykład pęknięcia izolatorów czy też inne problemy z przewodami i wyposażeniem pomocniczym. Sztuczna inteligencja wykorzystana razem z systemami klasy EAM takimi jak IBM Maximo® Application Suite, wspierającymi prace utrzymaniowe, jest także w stanie wykryć awarie sprzętowe i systemowe porównując dane wejściowe z historią serwisową setek urządzeń, co więcej, potrafi także zaproponować potencjalne rozwiązania. Odpowiedni dobór narzędzi z rodziny IBM Maximo Application Suit takich jak IBM Maximo Visual Inspection pozwoli na pełne wsparcie całego procesu kontroli wizualnej od pozyskania i oznaczenia danych, poprzez „trenowanie” modelu aż do jego wdrożenia i wykorzystania produkcyjnego.
Dzięki zwykłym smartfonom, technicy pracujący w terenie mogą również uzyskać dodatkową pomoc oferowaną przez rozwiązania oparte na rozszerzonej rzeczywistości. Wszystko to sprawia, że są w stanie szybciej i skuteczniej rozwiązywać konkretne problemy. W niedalekiej przyszłości, w sytuacjach, w których technik będzie potrzebował do wykonania danej czynności obydwu rąk, tego typu rozwiązania będą zintegrowane z kaskiem lub z okularami ochronnymi.
„Konieczne jest zbieranie danych z różnych źródeł i ich szybka analiza. Możemy prognozować i wykrywać anomalie, korzystając z tych informacji za pomocą procedury zwanej konserwacją predykcyjną” – wyjaśnia Jarosław Łukasiewicz, prezes Vetasi.
Lepsze wyniki dzięki konserwacji predykcyjnej
Korzystanie z modeli sztucznej inteligencji zdolnych do wykrywania wszelkiego rodzaju anomalii jest dzisiaj dość powszechnym rozwiązaniem. Są one w stanie ostrzegać techników o nieprawidłowej temperaturze, nadmiernym zużyciu energii oraz o innych problemach. Jednak to tylko czubek góry lodowej, jeśli chodzi o możliwości AI w tym obszarze. Współczesne modele są wystarczająco inteligentne, by rozpatrywać poszczególne anomalie w szerszym kontekście i przeprowadzić holistyczną ocenę stanu danego komponentu. Przykładowo, w systemie IBM Maximo® Application Suite, możemy śledzić historię konkretnego urządzenia od momentu jego montażu aż do wycofania z eksploatacji, a korzystając ze sztucznej inteligencji w pełni oszacować jego stan techniczny w danej chwili. Dzięki temu wiemy, czy dany komponent sprawia problemy, ponieważ wymaga przeglądu lub naprawy, czy też dlatego, że doszło do poważniejszej usterki. Najnowsze modele AI pozwalają na przeprowadzenie jeszcze bardziej dokładnej analizy, znanej jako prognozowanie predykcyjne.
Prognozowanie predykcyjne to oparta na sztucznej inteligencji metoda, dzięki której możliwe jest przewidzenie częstotliwości awarii danego urządzenia lub stopnia pogarszania się jego stanu wraz z upływem czasu. Tego rodzaju prognoza uwzględnia takie czynniki, jak intensywność eksploatacji czy miejsce pracy sprzętu. Analizując historię danego słupa przesyłowego, jego aktualny stan oraz parametry dotyczące innych podobnych konstrukcji, jesteśmy w stanie przewidzieć, jakie naprawy będą niezbędne nie tylko w ciągu kolejnych kilku miesięcy, lecz również kilku lat i automatycznie zaplanować jest w systemie IBM Maximo® Application Suite. Dane gromadzone w systemach EAM na przestrzeni dłuższych okresów mogą także stanowić podstawę do przeprowadzenia „analizy przyczyn źródłowych” lub do przypisania wadliwych komponentów konkretnym dostawcom zewnętrznym. Dzięki tego rodzaju dodatkowym informacjom, firmy energetyczne mogą wybierać tych dostawców sprzętu i usług, którzy oferują najwyższy poziom jakości, a tym samym dodatkowo ograniczać przerwy w dostawach prądu i obniżać koszty utrzymania infrastruktury.
„Nowoczesne systemy EAM pozwalają firmom wyjść poza planową konserwację do działań opartych na warunkach, które wykorzystują uczenie maszynowe i analizę danych do przewidywania prawdopodobieństwa przyszłych awarii, a tym samym zmniejszania awarii aktywów i związanych z nimi kosztów” – wyjaśnia Jarosław Łukasiewicz.
Vetasi to międzynarodowa firma konsultingowa specjalizująca się we wdrażaniu rozwiązania IBM Maximo.
„Maximo Predict, który jest zintegrowany z pakietem IBM Maximo® Application Suite, identyfikuje trendy w danych o zasobach, wykorzystaniu i środowisku oraz kojarzy je ze znanymi problemami, pomagając inżynierom niezawodności i kierownikom ds. utrzymania ruchu w prognozowaniu awarii oraz udostępnianiu danych i wyników. ” dodaje Jarosław Łukasiewicz
W dłuższej perspektywie czasowej, takie podejście eliminuje także konieczność wykonywania bardziej skomplikowanych napraw: im dłużej dany komponent jest eksploatowany z drobnym defektem, tym trudniej będzie go naprawić i tym szybciej konieczna będzie jego wymiana. W ten sposób nie tylko ograniczamy konieczność wykonywania przeglądów i upraszczamy naprawy. Polegając na sztucznej inteligencji, zmniejszamy przede wszystkim liczbę potencjalnych problemów, z jakimi przyjdzie nam się zmagać.
Wszystkie powyższe udoskonalenia znacząco przyczyniają się do poprawy poziomu bezpieczeństwa pracowników zajmujących się utrzymaniem napowietrznych linii przesyłowych. Dzięki temu, że przeglądy i naprawy sprzętu stają się łatwiejsze, są oni w stanie wykonywać swoją pracę szybciej i bezpieczniej. Rośnie także poziom bezpieczeństwa eksploatacji infrastruktury. Wszystko to sprawia, że nasi pracownicy są bezpieczni, a sieci pracują bez zakłóceń.
Vetasi Poland, jako część globalnej grupy Vetasi, została zwycięzcą jako Najlepszy Partner Handlowy w roku 2020. Kategoria: Przemysł 4.0 – najbardziej innowacyjne wdrożenie. Vetasi jest wyłącznym partnerem IBM w Europie w zakresie wdrożeń IBM MAXIMO – niekwestionowanego lidera rynku EAM rozwiązania klasy.
“Warto dodać, że idąc z duchem czasu, Maximo Applications Suite może być uruchamiane w nowoczesnym środowisku kontenerowym Red Hat Openshift na Chmurze IBM Cloud. Znacząco zwiększa to możliwości szybkiego uruchamiania i skalowania platformy, uwalniając jednocześnie klienta od konieczności zarządzania infrastrukturą i środowiskiem kontenerowym, które są dostarczane w formie serwisu zarządzanego przez IBM.” – Marcin Klabiński, Dyrektor Sprzedaży IBM Cloud w Polsce i na Krajach Bałtyckich.
Więcej informacji można znaleźć tutaj:
